Como montar uma sequência de ferramentas reutilizável

Um trabalho de verdade raramente cabe em uma ferramenta só

Passar um documento de papel para um formato digital que dê para usar é um bom exemplo de trabalho que nunca tem um passo só. Primeiro, a página precisa ser fotografada e endireitada (o JPG para PDF transforma as fotos em páginas); depois, reconhecida com o OCR PDF, para que o texto fique pesquisável; e muitas vezes ainda passa pela ferramenta Comprimir PDF, para que o resultado fique pequeno o bastante para ir por e-mail. Cada uma dessas é uma ferramenta separada, que faz bem uma coisa só. A sequência entre elas (digitalizar, depois reconhecer, depois comprimir, nessa ordem) é a parte fácil de errar ou de esquecer quando precisa ser lembrada do zero toda vez.

A ordem não é detalhe, e a ordem errada desperdiça trabalho de verdade

Comprimir um documento antes de passar o reconhecimento de texto é pior do que fazer o contrário. A compressão deixa a imagem digitalizada menos nítida, e o reconhecimento feito depois tem um trabalho mais difícil e menos preciso partindo dessa imagem suavizada do que teria com a digitalização original, mais nítida. A mesma lógica vale para outros tipos de arquivo. Um vídeo cortado até o trecho útil antes de ser comprimido e adaptado ao formato de uma plataforma paga o custo da recodificação uma vez só. Na ordem inversa, você recodifica trechos que logo depois vão ser descartados de qualquer jeito. O resultado pode até parecer bom, e é isso que torna o erro fácil de repetir: nada falha, só sai mais caro e um pouco pior do que precisava.

Uma sequência salva é, na prática, um conjunto de decisões por escrito

O valor de salvar uma sequência de passos não está na velocidade em si. Está no fato de que as decisões sobre a ordem, e sobre quais ferramentas usar, só precisam ser tomadas uma vez, do jeito certo, em vez de serem refeitas de cabeça para cada documento que pede o mesmo tratamento. Uma sequência de digitalizar, reconhecer e comprimir, montada e salva uma vez, pode ser reutilizada nos próximos cinquenta documentos sem decidir nada de novo. Mais importante: ninguém tenta comprimir antes de reconhecer no documento trinta e sete só porque a ordem nunca foi anotada em lugar nenhum.

Conferir o resultado antes que ele vire a entrada da próxima ferramenta

Uma sequência de vários passos ganha com uma pausa entre eles, em vez de um fluxo único e às cegas do começo ao fim. Uma página que saiu torta da digitalização, ou um reconhecimento de texto que errou um nome, sai muito mais barato de corrigir logo depois daquele passo do que de descobrir no fim de uma sequência de quatro passos, quando rastrear o problema até o passo que o causou dá trabalho de verdade. Dar uma olhada no resultado intermediário antes que ele siga para a próxima ferramenta é um hábito pequeno. Ele evita refazer a sequência inteira do zero por causa de um passo ruim lá no começo.

O padrão vale muito além dos documentos

O mesmo tipo de problema aparece o tempo todo fora dos documentos de papel: várias ferramentas separadas, uma ordem certa entre elas e um custo real quando essa ordem sai errada. Uma foto pode precisar ter o fundo removido com a ferramenta Remover fundo e depois ser redimensionada para um anúncio específico. Um vídeo pode precisar passar pela ferramenta Cortar vídeo antes de ser adaptado ao tamanho de quadro de uma plataforma. Reconhecer esse padrão é a parte útil. Uma sequência é só o jeito prático de não precisar enxergá-lo de novo, do zero, em cada arquivo que calha de pedir o mesmo punhado de passos na mesma ordem.

Passo a passo: a sequência da digitalização, de uma ferramenta para a outra

Fotografe as páginas e adicione as fotos ao JPG para PDF, até 200 de uma vez; depois, arraste as miniaturas para a ordem de leitura. Com o tamanho da página deixado em Ajustar à foto, cada página fica exatamente do tamanho da sua foto. Folheie o resultado uma vez, baixe o PDF e abra o OCR PDF na mesma aba. Um arquivo baixado fica à mão nessa aba por uma hora, então uma linha no topo da página do OCR avisa que o arquivo do seu último passo ainda está aqui, e um clique o coloca no lugar, sem passar pela pasta de downloads.

O OCR é o único passo aqui que precisa do nosso servidor em vez do navegador, e a área de arrastar e soltar avisa isso antes de você adicionar qualquer coisa, junto com o momento em que o arquivo enviado e o resultado são excluídos. Escolha o idioma do documento (até três, se ele misturar idiomas), deixe ligadas as opções de endireitar e de girar as páginas automaticamente e teste o Ctrl+F em uma ou duas páginas do resultado. A ferramenta Comprimir PDF está entre as oferecidas logo abaixo desse resultado, então o arquivo pesquisável vai direto para ela: Equilibrado serve para um documento que vai por e-mail; Tamanho desejado, para um portal com limite fixo; e a camada de texto continua lá nos dois casos.